Are Dual4 and GraDual trying to do the same thing?
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
Direzione di ricerca
Confronta il lavoro di Dual4 con l’implementazione di GraDual di ForwardDiff.jl in src/typed_fad/GraDual.jl. Determina innanzitutto se i due lavori rappresentano la stessa funzionalità e se l’archiviazione di epsilon a dimensione fissa cambia il confronto. Il lavoro è considerato completato quando viene documentata una decisione chiara sull’unificazione e su quale package dovrebbe essere responsabile della funzionalità.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
@mlubin: I saw the work on Dual4 you started, and that looks VERY exciting to me. I assume you eventually want to use tuples (i.e. fixed size arrays) to store the epsilons, so that this would essentially be a DualN datatype, right?
I am just wondering how that relates to the GraDual type in ForwardDiff.jl? Is that essentially exactly the same thing? Except for the implementation details. Right now GraDual uses an array to store the epsilons, which probably makes it very slow. But once fixed size arrays are part of core julia, one would just have to change the implementation details and probably make this really fast?
I guess this issue is just to clarify whether these two efforts could be unified. In some way it seems to me that this kind of functionality actually fits better into the ForwardDiff.jl package, but not sure.
Also pinging @scidom.
- Lingua principale
- Julia
- Stelle
- 80
- Fork
- 28
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaDiff/DualNumbers.jl
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
JuliaDiff/DualNumbers.jl#94 · 2 commenti ·
-
div() and rem()Aperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
JuliaDiff/DualNumbers.jl#93 ·
-
Complex DifferentiationAperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 30/100
JuliaDiff/DualNumbers.jl#92 · 5 commenti ·
-
bitmix not definedAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
JuliaDiff/DualNumbers.jl#88 ·
-
Should we export ϵ ≡ ε?Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 25/100
JuliaDiff/DualNumbers.jl#87 ·
Tutte le issue di JuliaDiff/DualNumbers.jl
Issue simili
-
`ShallowWaterModel` allocates ~9 KiB per grid point per RK3 stage on the CPUForse già presa @ali-ramadhan l’ha presa oggi. Apertaperformance 🏍️
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
CliMA/Oceananigans.jl#6421 · 1 reazione ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
NCAR/musica#1118 · 1 commento · 1 reazione ·
I maintainer di solito rispondono entro 1 giorno
-
`AMSGrad` state starts at `epsilon` instead of zero, so zero gradients move parameters and small gradients are dampedForse già presa @parth-patel010 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
FluxML/Optimisers.jl#247 · 1 commento ·
-
README should say that row and column order must matchForse già presa @SAUMYARSH l’ha presa oggi. Aperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 84/100
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 82/100
OpenFUSIONToolkit/GPEC#644 ·
I maintainer di solito rispondono entro 3 giorni